面向领域知识的个性化推荐算法研究.pdfVIP

第31 卷 第21 期 计 算 机 工 程 2005 年11 月 Vol.31 21 Computer Engineering November 2005 博士论文 文章编号 1000 3428(2005)21 0007 03 文献标识码 A 中图分类号 TP39 基于领域知识的个性化推荐算法研究 张丙奇 中国科学院计算技术研究所 北京100080 摘 要 提出了利用领域知识进行相似度计算的协同过滤算法 使用户在评分的共同项目很少或为零的情况下也能找到最近邻进行协同推 荐 实验结果表明 该算法解决了传统协同过滤算法中相似性度量方法 过严 的问题 在过滤初期显著地提高了推荐质量 关键词 个性化 推荐系统 协同过滤 领域知识 平均绝对误差 A Collaborative Filtering Recommendation Algorithm Based on Domain Knowledge ZHANG Bingqi (Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100080) Abstract A novel method which exploring hierarchical domain knowledge to computer the user similarity is proposed. This method can find user’s neighborhood and get predictions by neighbor’s rating even they have no common rating items. The experiment results show that it can provide better prediction results than traditional collaborative algorithms at such condition. Key words Personalization; Recommendation system; Collaborative filtering; Domain knowledge; MAE 随着WWW 的快速发展和网上信息呈指数级的增长 如 生推荐列表 即top N 推荐 何快速 高效地获取和利用信息已成为人们关注的焦点 个 常用的协同过滤推荐算法主要包括基于用户的协同推 性化服务是服务提供商根据用户访问网站的历史中表现出的 荐 基于项目集的协同推荐 基于模型的协同推荐等 Breese[2] 行为和兴趣 动态调节站点的结构和内容 自动适应用户的 等对各种协同推荐算法及其性能进行了深入的分析和对比 浏览和向用户推荐可能感兴趣的内容的过程 个性化服务可 在协同推荐系统中 输入的数据是用户评分矩阵 见表 使用户快速 准确地得到所需要的信息 1 可用一个 M N 矩阵 R M N 来表示 其中 M 行代 协同过滤 又叫社会信息过滤 是个性化系统中应用最 表M 个用户 N 列代表N 个项目 元素Ri,j 表示用户 i